VPI-Mlogs ứng dụng học máy cho lĩnh vực địa vật lý giếng khoan

>> VPI và FECON hợp tác nghiên cứu, phát triển các dự án hạ tầng năng lượng tại Việt Nam

Để giúp người dùng dễ dàng tiếp cận với các thuật toán học máy trong lĩnh vực địa vật lý giếng khoan, Viện Dầu khí Việt Nam (VPI) đã nghiên cứu, xây dựng ứng dụng VPI-Mlogs trên nền tảng website (web-basedplatform), tích hợp các công cụ phân tích, xử lý, biểu diễn dữ liệu và triển khai các mô hình dự báo với đường đo ghi giếng khoan, đới dập vỡ, nứt nẻ...với độ tin cậy đạt trên 90%, giúp tiết kiệm thời gian và chi phí khoan.

Viện Dầu khí Việt Nam (VPI) đã sử dụng trí tuệ nhân tạo (artificial intelligence - AI) và các thuật toán học máy (machine learning) để nghiên cứu, phát triển và đưa vào áp dụng các mô hình dự báo chất lượng cao như: mô hình dự báo đường đo ghi giếng khoan, dự báo đới dập vỡ, dự báo mật độ nứt nẻ…

Để giúp người dùng dễ dàng tiếp cận với các thuật toán học máy trong lĩnh vực địa vật lý giếng khoan, VPI đã nghiên cứu, xây dựng ứng dụng VPI-Mlogs trên nền tảng website (web-based platform), tích hợp các công cụ phân tích, xử lý, biểu diễn dữ liệu và triển khai các mô hình dự báo với đường đo ghi giếng khoan...

Các tính năng chính của ứng dụng VPI-Mlogs bao gồm: thu thập, làm sạch/xử lý dữ liệu, phân tích dữ liệu, mô hình hóa và dự báo, đặc biệt các biểu diễn tương tác được tích hợp trong ứng dụng sẽ hỗ trợ người dùng dễ dàng chọn lựa và chỉnh sửa dữ liệu. Ứng dụng VPI-Mlogs được triển khai trên nền tảng website nên không cần thiết phải cài đặt các phần mềm chuyên dụng như Petrel, Techlog (Schlumberger), IP Interactive Petrophysics (LIoyd’s Register)…, do đó tiết kiệm thời gian và chi phí khoan so với cách làm truyền thống trước đây.

>> Điều hành xăng dầu “bỏ quên” công nghệ IoT

Các tính năng của ứng dụng VPI-Mlogs được xây dựng dựa trên các công cụ khoa học dữ liệu phổ biến như: Python, Altair, Streamlit... Trong đó, Streamlit là thư viện mã nguồn mở (dạng website) với ưu điểm đơn giản, dễ thực hành.

Theo ông Nguyễn Anh Tuấn - Bộ phận Dữ liệu của VPI, với phiên bản hiện tại, mô hình dự báo tích hợp trong VPI-Mlogs được xây dựng dựa trên dữ liệu sẵn có với kết quả thử nghiệm có độ tin cậy đạt trên 90%. Trong các phiên bản sắp tới, VPI-Mlogs sẽ tiếp tục cập nhật các công cụ huấn luyện, cho phép người dùng dễ dàng thay đổi dữ liệu, các thông số đầu vào và lựa chọn các thuật toán để tối ưu hóa mô hình dự báo.

Thực hiện chiến lược của Tập đoàn Dầu khí Việt Nam về chuyển đổi số nhằm “hỗ trợ và thúc đẩy quá trình dịch chuyển mô hình kinh doanh, tối ưu phương thức hoạt động và nâng cao năng lực quản trị vận hành”, VPI mới đây đã xây dựng và công bố hệ sinh thái Oilgas AI để tổng hợp, biểu diễn và phân tích dữ liệu chuyên sâu trong lĩnh vực dầu khí, với các sản phẩm như dầu thô, xăng dầu, LPG và khí tự nhiên.

Hệ sinh thái Oilgas AI tạo ra lợi thế cạnh tranh thông qua việc tối ưu hóa phân tích, khai thác, sử dụng dữ liệu an toàn, cung cấp các giải pháp giúp doanh nghiệp đưa ra quyết định nhanh và hiệu quả hơn trong hoạt động sản xuất kinh doanh hàng ngày cũng như xây dựng kế hoạch, hoạch định chiến lược dài hạn.